×
何兆双;陈燕华;尚志浩;李彩虹;李丽安;徐明良

基于移动窗口和多目标粒子群优化算法的新型风速预测模型。 （英语） Zbl 1481.62109号

申请。数学。建模 76, 717-740 (2019).
准确的风速预测对电网安全、电力系统管理、运营和市场经济具有重要意义。然而，大多数研究只关注提高准确性或稳定性，很少有研究同时解决这两个问题。因此，我们提出了一种基于多目标粒子群优化的组合模型，用于优化回波状态网络的关键参数，本文利用回波状态网络将三种人工神经网络的中间风速预测结果进行组合。此外，本文还应用了一种新的基于移动窗口的数据集分割机制。首先，对于1步、2步和3步风速预测，将输入数据的长度从5改为15，然后可以得到输入向量的最佳长度。然后，我们将此最佳输入向量长度应用于另一个数据集，以进一步验证所提方法。为了验证所提出的预测模型的预测效果，以美国国家风力发电技术中心M2塔的80/min风速数据为例。实验结果表明，该算法在预测精度和稳定性方面优于其他十个比较模型，并且性能也优于我们之前提出的组合模型。

MSC公司：

62页第12页 统计在环境和相关主题中的应用
62M20型 随机过程推断和预测
62M45型 神经网络及从随机过程推断的相关方法
90C29型 多目标规划
90C59 数学规划中的近似方法和启发式

关键词：

风速预测;多目标粒子群优化;回波状态网络;移动窗口;组合模型

软件：

莫格沃;SMPSO公司
PDF格式BibTeX公司 XML格式引用
\textit{Z.He}等人，应用。数学。76717--740型（2019年；Zbl 1481.62109）
全文： 内政部

参考文献：

[1] http://gwec.net/about-winds/about-gwec/; http://gwec.net/about-winds/about-gwec/
[2] 全球风电容量增长52.6 gW。http://www.renewableenergyworld.com/ugc/articles/2018/02/27/global-wind-power-capacity-grows; 全球风电容量增长52.6 gW。http://www.renewableenergyworld.com/ugc/articles/2018/02/27/global-wind-power-capacity-grows
[3] 刘，H。；米，X。；Li，Y.，基于变分模式分解、奇异谱分析、LSTM网络和ELM的风速预测智能多步骤深度学习模型，Energy Convers。管理。，159, 54-64 (2018)
[4] 邱，X。；张，L。；Suganthan，P.N.，通过最小二乘估计进行时间序列预测的斜向随机森林集合，信息科学。，420, 249-262 (2017)
[5] Cadenas，E。；O.A.Jaramillo。；Rivera，W.，《使用单指数平滑法分析和预测昆塔纳罗切图马尔风速》，Renew。能源，35，5925-930（2010）
[6] 任，Y。；Suganthan，P.N。；Srikanth，N.，《短期电力负荷需求预测的随机向量函数链接网络》，《信息科学》。，367, 1078-1093 (2016)
[7] Renani，E.T。；Elias，M.F.M。；Rahim，N.A.，《使用数据驱动方法进行风力发电预测：比较研究》，《能源转化》。管理。，118, 193-203 (2016)
[8] Shukur，O.B。；Lee，M.H.，基于ARIMA的混合KF-ANN模型每日风速预测，更新。能源，76637-647（2015）
[9] 卡瓦塞里，R.G。；Seetharaman，K.，使用f-ARIMA模型进行日前风速预测，更新。能源，341388-1393（2009）
[10] Wang，Y。；胡，Q。；Meng，D.，使用基于变分贝叶斯的自适应稳健多核回归模型进行确定性和概率风电预测，应用。能源，2081097-1112（2017）
[11] 安，S。；Shi，H。；Hu，Q.，模糊粗糙回归及其在风速预测中的应用，信息科学。，282, 388-400 (2014)
[12] Louka，P。；加拉尼斯，G。；Siebert，N.，《使用卡尔曼滤波进行风力发电预测的风速预测改进》，J.wind Eng.Ind.Aerodyn。，96, 12, 2348-2362 (2008)
[13] 祖卢亚加，哥伦比亚特区。；Alvarez，医学硕士。；Giraldo，E.，基于稳健卡尔曼滤波的短期风速预测：实验比较，应用。能源，156，321-330（2015）
[14] 刘，H。；Tian，H。；Li，Y.，《铁路强风预警系统风速预测的EMD-递归ARIMA方法》，J.wind Eng.Ind.Aerodyn。，141, 27-38 (2015)
[15] Chen，K。；Yu，J.，使用基于无迹卡尔曼滤波器的状态空间支持向量回归方法进行短期风速预测，应用。能源，113690-705（2014）
[16] 宋，Z。；姜瑜。；Zhang，Z.，Markov开关模型短期风速预测，应用。能源，130，103-112（2014）
[17] Cadenas，E。；Rivera，W.，《墨西哥瓦哈卡La Venta的短期风速预测，使用人工神经网络》，Renew。能源，34，1，274-278（2009）
[18] Doucoure，B。；阿格博苏，K。；Cardenas，A.，《使用人工小波神经网络和多分辨率分析进行时间序列预测：风速数据应用》，更新。能源，92202-211（2016）
[19] Specht，D.F.，通用回归神经网络，IEEE Trans。神经网络。，2, 6, 568-576 (1991)
[20] Wang，J。；张，W。；Wang，J.，《风速预测的新型混合方法》，《信息科学》。，273, 304-318 (2014)
[21] 李·G。；Shi，J.，关于比较三种用于风速预测的人工神经网络，应用。能源，87，7，2313-2320（2010）
[22] Yu，C。；李毅。；Zhang，M.，基于elman神经网络的风速预测中使用奇异谱分析的改进小波变换，Energy Convers。管理。，148, 895-904 (2017)
[23] 王，S。；张，N。；Wu，L.，基于混合集成经验模式分解和GA-BP神经网络方法的风速预测，Renew。能源，94629-636（2016）
[24] 肖，L。；Dong，Y。；Dong，Y.，一种基于adaboost算法的改进组合方法，用于风速时间序列预测，Energy Convers。管理。，160, 273-288 (2018)
[25] 宋，J。；Wang，J。；Lu，H.，一种新的基于高级优化算法的短期风速预测组合模型，应用。能源，215643-658（2018）
[26] 刘，H。；Wu，H。；Li，Y.，使用EWT分解的智能风速预测，GWO进化优化，RELM学习和IEWT重建，Energy Convers。管理。，161, 266-283 (2018)
[27] Wang，J。；胡，J。；Ma，K.，风速预测的自适应混合方法，更新。能源，78，374-385（2015）
[28] H.Nascimento Camelo。；Lucio，P.S。；Junior，J.B.V.L.，基于时间序列模型与人工神经网络组合的风力发电时间序列预测创新混合模型，能源，151347-357（2018）
[29] Wang，J。；Hu，J.，短期风速预测和分析的稳健组合方法——使用GPR（高斯过程回归）模型组合ARIMA（自回归综合移动平均）、ELM（极限学习机）、SVM（支持向量机）和LSSVM（最小二乘SVM）预测，Energy，93，41-56（2015）
[30] 张，W。；曲，Z。；Zhang，K.，基于CEEMDAN和改进的授粉算法的风速预测组合模型，Energy Convers。管理。，136, 439-451 (2017)
[31] 牛，T。；Wang，J。；Zhang，K.，基于最优特征选择和带有认知策略的改进bat算法的多阶段风速预测，Renew。能源，118，213-229（2018）
[32] 李，C。；肖，Z。；Xia，X.，基于同步优化的多步短期风速预测混合模型，应用。能源，215131-144（2018）
[33] Ishibuchi，H。；Mihara，S。；Nojima，Y.，带规则集迁移和训练数据轮换的并行分布式混合模糊GBML模型，IEEE Trans。模糊系统。，21, 2, 355-368 (2013)
[34] 陈，Y。；何，Z。；Shang，Z.，基于回波状态网络的新型组合模型，用于多步超前风速预测：NREL的案例研究，Energy Convers。管理。，179, 13-29 (2019)
[35] Wang，H。；镍，碳。；Yan，X.，基于互信息优化回声状态网络，用于建模分批进料生物过程，神经计算，225，111-118（2017）
[36] 阿里，M.H。；帕克，M。；Yu，I.K.，考虑通信延迟的模糊逻辑控制SMES增强暂态稳定性，国际电工杂志。电力能源系统，31，7-8，402-408（2009）
[37] McAuley，J.D.，《寻找时间中的韵律结构》（1993年康涅狄格州模特暑期学校学报（1994）），219-227
[38] 米尔贾利利，S。；萨雷米，S。；Mirjalili，S.M.，《多目标灰狼优化器：一种新的多准则优化算法》，专家系统。申请。，47, 106-119 (2016)
[39] Nebro，A.J。；Durillo，J.J。；Garcia-Nieto，J.，SMPSO：一种新的基于PSO的多目标优化元启发式算法，（IEEE多准则决策计算智能研讨会论文集（2009），IEEE），66-73
[40] 科埃罗，C.A.C。；Pulido，G.T。；Lechuga，M.S.，用粒子群优化处理多目标，IEEE Trans。进化。计算。，8, 3, 256-279 (2004)
[41] 网址：https://www.nrel.gov; 网址：https://www.nrel.gov
[42] Wang，J。；杜，P。；Niu，T.，一种基于新提出算法的新型混合系统——用于风速预测的多目标鲸鱼优化算法，应用。能源，208344-360（2017）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。